Методы диагностики и расчет элементов строительных конструкций сложной геометрии и неоднородной структуры с учетом дефектов тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Васильев Павел Владимирович

• Васильев Павел Владимирович
• кандидат наук
• 2023

Оглавление диссертации кандидат наук Васильев Павел Владимирович

Введение

Глава 1. Постановка прямых и обратных задач

1.1 Описание исследуемого объекта

1.2 Прямая задачи теории упругости

1.3 Обратная задача теории упругости

1.4 Прямая задача магнитостатики

1.5 Обратная задача магнитостатики

1.6 Задачи идентификации поверхностных дефектов на изображениях

1.7 Обзор прямых и обратных задач

Глава 2. Решение обратных задач механики на основе

аппарата искусственных нейронных сетей

2.1 Обратные и прямые задачи теории упругости

2.1.1 Прямые задачи

2.1.2 Обратные задачи и их классификация

2.2 Применение искусственных нейронных сетей в задачах идентификации дефектов

2.3 Методология идентификации дефектов

2.4 Реализация методологии на основе данных, полученных в результате внешнего кратковременного возмущения

2.5 Реализация методологии на основе модели распространения ультразвуковой волны в акустической среде

2.6 Реализация методологии на основе модели распространения ультразвуковой волны в упругой среде

2.7 Реализация методологии на основе модели с использованием данных наведённого магнитного поля

2.8 Реализация методологии идентификации дефектов на изображениях с применением свёрточных нейронных сетей

Глава 3. Решение прямой задачи трубы с покрытием

Стр.

3.1 Прямая задача

3.2 Решение задачи

3.3 Решение интегрального уравнения

3.4 Результаты решения

Глава 4. Разработка программного комплекса поддержки

решения обратных задач механики

4.1 Разработка информационной системы анализа и определения оптимальной структуры искусственной нейронной сети

4.1.1 Методология анализа ИНС информационной системы

4.1.2 Программная реализация

4.2 Разработка информационной системы распределенных вычислений для решения обратных задач механики

4.2.1 Обзор СИГО-систем

4.2.2 Описание разработанной модели системы распределенных вычислений

4.2.3 Результаты применения системы и выводы

Заключение

Список сокращений и условных обозначений

Список рисунков

Список таблиц

Введение диссертации (часть автореферата) на тему «Методы диагностики и расчет элементов строительных конструкций сложной геометрии и неоднородной структуры с учетом дефектов»

Введение

Актуальность темы исследования. В настоящий момент в эксплуатации находится большое количество сооружений и конструкций отработавших продолжительное время. Существует острая необходимость в инструментах мониторинга и контроля таких объектов. В современном строительстве большое внимание уделяется прочности и устойчивости, а значит и надежности строительных конструкций. Неразрушающий контроль (НК) позволяет проводить мониторинг объектов контроля (ОК) без выведения их из работы или демонтажа. Целью использования НК в строительстве является надежное выявление опасных дефектов. Выбор тех или иных методов НК определяется эффективностью обнаружения такого брака. Одними из наиболее часто применяемых техник НК являются ультразвуковые и магнитные, которые характеризуются высокой чувствительностью, мобильностью и экологичностью.

За последнее десятилетие в области искусственных нейронных сетей (ИНС) и их аппаратной поддержки было совершено множество открытий. Сейчас мы можем комбинировать классические техники НК и уникальные возможности нейросетевого аппарата. Это позволяет создать более точные и универсальные программно-аппаратные комплексы для осуществления мониторинга состояния строительных конструкций и их элементов.

Наряду с этим, развитие аналитических методов оценки критического состояния в области строительной механики все ещё сохраняет свою актуальность. Анализ напряжённо-деформированного состояния позволяет более точно проводить оценку ресурсных характеристик и прогнозировать возможный выход из строя объектов контроля. Таким образом, комплексный подход, применяемый в данной работе и сочетающий в себе как классические методы, так и современные подходы, является актуальным и перспективным.

Степень разработанности. В области строительной механики. Разработку критериев разрушения тел с трещинами можно связать с работами А.А. Гриффитса. В работах Д.Р. Ирвина Е. Орована и И.Л. Шимелевича было впервые введено понятие коэффициента интенсивности напряжений, что давало численную оценку энергии, способствующей росту трещин. В области математического моделирования и применения искусственных нейронных сетей. Над теорией искусственных нейронных сетей (ИНС) работали следующие зарубеж-

ные исследователи: J. Hopfield, J. McCulloch, W. Pitts, D. Hebb, N. Rochester L. Holland F. Rosenblatt, P. Werbos, K. Fukushima, B. Widrow, M. Hoff, T. Kohonen, J. Anderson, D. Rumelhart, M. Minsky. Над развитием теории и алгоритмов распределённых вычислений работали: Афанасьев А.П., Воеводин В.В., Гергель В.П., Ильин В.А., Соколинский Л.Б., Schoch J. Hupp J., Lenstra A. Menes M., Becker D. Sterling T., Lawson J., Guidi D. Kesnov C., Pande B. и др.

В разработке методов решения задач для упругих тел с трещинами следует отметить работы Александрова В.М., Попова Г.Я., Сметанина Б.И., Соболя Б.В. и др. Формулировки обратных задач, методы их решения описаны в работах: О.М. Алифанова, А.О. Ватульяна, В.Б. Гласко, В.Г. Романова, А.А. Самарского, А.Н. Соловьева, А. С. Алексеева, М.М. Лаврентьева, А.Н. Тихонова, С.И. Кабанихина, H.D. Bui, V. Isakov и др.

Целью данной работы являются разработка моделей НК, для решения задач идентификации трещиноподобных дефектов в различных строительных конструкциях с последующей оценкой их критического состояния. Разработанные модели строятся на основе комбинации метода конечных элементов (МКЭ) и ИНС, а также на численном решении задач акустики, строительной механики и магнитостатики, а также численно-аналитическом решении задачи строительной механики для трубы с внутренней трещиной, усиленной тонким гибким покрытием.

Для достижения поставленной цели необходимо было решить следующие задачи:

В области строительной механики:

— Установить адекватность модели для тонкого гибкого покрытия трубы и диапазон возможного применения соответствующих граничных условий.

— Решить обратные геометрические задачи строительной механики идентификации радиальной трещины в трубе с покрытием при импульсном и ультразвуковом воздействии на ОК.

— Решить прямую задачу строительной механики о равновесной радиальной внутренней трещине в сечении трубы, усиленной внутренним покрытием.

— Исследовать коэффициент интенсивности напряжений вблизи вершин трещины под влиянием различных физических и геометрических факторов.

В области математического моделирования:

— Разработать модель ультразвукового метода неразрушающего контроля (МНК) на основе возбуждения и приёма сигналов.

— Разработать модель МНК на основе магнитных измерений задачи магнитостатики.

— Применить ИНС подход в задачах идентификации дефектов, основанный на решении обратных задач строительной механики и магнитостатики.

В области численных методов:

— Разработать метод преобразования аналоговой информации, полученной с поверхности ОК, в формат, применяемый для работы с ИНС.

— Разработать методы проведения распределенных вычислений для формирования обучающего набора данных, с целью применения подхода, объединяющего ИНС и НК.

— Построить архитектуры ИНС, применяемые в процессе решения обратных задач идентификации дефектов.

В области создания комплексов программ:

— Разработать программное средство распределенных вычислений для проведения анализа и установления границ применения математической модели внешнего тонкого покрытия полого цилиндра на основе пакета Р1ехРВЕ.

— Разработать аналитическое программное средство, предназначенное для анализа и нахождения рациональных конфигураций структур ИНС в рамках поставленных задач идентификации дефектов.

— Разработать программный комплекс, реализующий модели НК.

Научная новизна:

В области строительной механики:

— Доказана адекватность специальных граничных условий, моделирующих гибкое покрытие трубы, и диапазон их применения.

— Успешно решены обратные геометрические задачи строительной механики идентификации радиальной трещины в трубе с покрытием при импульсном и ультразвуковом воздействии на ОК.

— Разработано решение новой прямой задачи строительной механики о равновесной радиальной внутренней трещине в сечении трубы, усиленной внутренним покрытием.

— Получены закономерности изменения коэффициентов интенсивности напряжений в окрестностях вершины трещины для различных физических и геометрических факторов.

В области математического моделирования:

— Выполнено математическое моделирование ультразвукового МНК на основе возбуждения и приёма сигналов.

— Проведено математическое моделирование МНК на основе магнитных измерений задачи магнитостатики.

— Применен ИНС подход в задачах идентификации дефектов, основанный на решении обратных задач строительной механики.

В области численных методов:

— Предложен метод преобразования аналоговой информации, полученной с поверхности ОК, в формат, применяемый для работы с ИНС.

— Разработаны методы проведения распределенных вычислений для формирования обучающего набора данных, с целью применения подхода, объединяющего ИНС и НК.

— Построены рациональные структуры ИНС, применяемые в процессе решения обратных задач идентификации дефектов.

В области создания комплексов программ:

— Разработано программное средство распределенных вычислений для проведения анализа и установления границ применения математической модели внешнего тонкого покрытия полого цилиндра на основе пакета ИехРЭЕ.

— Предложено аналитическое программное средство, предназначенное для анализа и нахождения рациональных конфигураций структур ИНС в рамках поставленных задач идентификации дефектов.

— Создан программный комплекс, реализующий модели НК.

Практическая значимость работы обуславливается широким распространением элементов конструкций с покрытиями, в том числе труб, в строительстве и во многих сферах и отраслях промышленности, а также необходимостью осуществления мониторинга их состояния. В работе предложены модели НК и их программные реализации, которые могут быть внедрены в устройства идентификации дефектов и их анализа.

Методология и методы исследования. Для построения моделей НК используются МКЭ и ИНС. Для формирования обучающих наборов данных

проводится решение прямых задач с помощью МКЭ в известных CAE пакетах ANSYS, COMSOL Multiphisics и FlexPDE, при поддержке средств распределенных вычислений. Численно-аналитическое решение задачи о трубе с тонким покрытием и радиальной трещиной проведено с помощью метода разрывных решений и дальнейшего сведения к интегральному уравнению.

Основные положения, выносимые на защиту:

В области строительной механики:

— Установление адекватности специальных граничных условий, моделирующих покрытие трубы малой относительной толщины и анализ диапазона их применения.

— Решение обратных геометрических задач строительной механики идентификации радиальной трещины в трубе с покрытием при импульсном и ультразвуковом воздействии на ОК.

— Решение прямой задачи строительной механики о равновесной радиальной внутренней трещине в сечении трубы, усиленной внутренним покрытием.

— Результаты исследования коэффициентов интенсивности напряжений в окрестностях вершины трещины для различных физических и геометрических факторов.

В области математического моделирования на основе сочетания ИНС, МКЭ и решения обратных задач:

— Модель ультразвукового и магнитного МНК на основе считывания сигналов с поверхности ОК.

В области численных методов:

— Метод преобразования аналоговой информации, полученной с поверхности ОК, в формат, применяемый для работы с ИНС.

— Методы проведения распределенных вычислений для формирования обучающего набора данных, с целью применения подхода, объединяющего ИНС и МКЭ.

— Метод идентификации поверхностных дефектов на изображениях.

— Рациональные структуры ИНС, применяемые в процессе решения обратных задач механики.

В области создания комплексов программ:

— Программное средство распределенных вычислений для проведения анализа и установления границ применения математической моде-

ли внешнего тонкого покрытия полого цилиндра на основе пакета FlexPDE.

— Аналитическое программное средство, предназначенное для анализа и нахождения рациональных конфигураций структур ИНС в рамках поставленных задач идентификации дефектов.

— Программный комплекс, реализующий модели НК.

Достоверность основана на использовании строгих постановок задач

строительной механики и магнитостатики, а также применении широко-известных пакетов ANSYS, COMSOL Multiphisics и FlexPDE. При построении ИНС используются архитектуры, широко распространенные в мировой практике. Численные результаты устанавливают адекватность специальных граничных условий. Метод разрывных решений позволяет математически свести задачу к решению интегрального уравнения.

Апробация работы. Основные результаты работы докладывались и обсуждались на Всероссийской школе-семинаре "Математическое моделирование и биомеханика в современном университете"; Международной конференции, посвящённой 100 летию академика НАН Армении Н.Х. Арутюняна "Актуальные проблемы механики сплошной среды" (Армения, Ереван, 2012 г.); VIII международном научно-методическом симпозиуме "Современные проблемы многоуровневого образования" (Ростов-на-Дону, 2013); Всероссийской научно-технической конференции "Управление и информационные технологии" (Пятигорск, 2014); Международной конференции студентов, аспирантов и молодых учёных "Перспектива - 2015" (Нальчик, 2015); Всероссийском съезде по фундаментальным проблемам теоретической и прикладной механики (Казань, 2015); IV Международной конференции "Актуальные проблемы механики сплошной среды" (Армения, Цахкадзор, 2015); II всероссийской научно-практической конференции "Теория сооружений: достижения и проблемы" (Махачкала, 2015); Научно методической конференции посвящённой 85-летию ДГТУ "Инновационные технологии в науке и образовании" (Ростов-на-Дону, 2015); Международной конференции "Physics and Mechanics of New Material and Their Application"(PHENMA) (Индонезия, Сурабая, 2016, Индия, Джа-балпур, 2017, Корея, Пусан, 2018, Вьетнам, Ханой, 2019); Международной конференции "NDT Days 2016" (Болгария, Созополь, 2016); Международном научном симпозиуме технологов-машиностроителей "Перспективные направления развития финишных методов обработки деталей" (Ростов-на-Дону, 2016);

Международной конференции "Проблемы механики и управления"(Махачкала, 2018); Всероссийской конференции "Интеллектуальные технологии и проблемы математического моделирования" (Ростов-на-Дону, 2018, 2019); XII Всероссийском съезд по фундаментальным проблемам теоретической и прикладной механики (Уфа, 2019) и другие.

Личный вклад. В работе [66] Соловьеву А.Н. и Соболю Б.В. принадлежит постановка задачи. Обсуждение результатов и подготовка текста — Краснощеков A.A., Васильев П.В. и Борисова Е.В.

В работе [67] Соловьеву A.H. принадлежит постановка задачи. Обсуждение результатов и подготовка текста — Соболю Б.В., Краснощекову A.A., Васильеву П.В.

Работа [68] и [69] выполнена автором диссертации самостоятельно.

В работе [70] Соловьеву A.H. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение обратной задачи, численные эксперименты и подготовка текста — Васильев П.В.

В работе [71] Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение обратной задачи, численные эксперименты и подготовка текста — Васильев П.В.

В работе [72] и [73] Соловьеву A.H. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение прямой задачи — Рашидова Е.В., подготовка текста — Васильев П.В.

В работе [74] Соловьеву A.H. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение обратной задачи, численные эксперименты и подготовка текста — Васильев П.В.

В работе [75] и [76] Соловьеву A.H. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение обратной задачи, численные эксперименты и подготовка текста — Васильев П.В.

В работе [77] Соловьеву A.H. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение обратной задачи, численные эксперименты и подготовка текста — Васильев П.В., Fu-Tai Wang, S.-H. Chang.

В работе [78] Соловьеву A.H. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение обратной задачи, численные эксперименты и подготовка текста — Васильев П.В.

В работе [79] Соловьеву А.Н. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение прямой задачи — Рашидова Е.В., решение обратной задачи и подготовка текста — Васильев П.В.

В работе [80] Соловьеву А.Н. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение обратной задачи, численные эксперименты — Васильев П.В., подготовка текста — Ермаков Д.А.

В работе [81] Соловьеву А.Н. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение обратной задачи, численные эксперименты и подготовка текста — Васильев П.В., Wu, J.-K, Hong, W.-L., Yeh, M.-Y.

В работе [82] Васильеву П.В. принадлежит постановка задачи и реализация системы распределенных вычислений, Подколзиной Л.А. — формирование наборов данных и подготовка текста.

В работе [83] Соловьеву А.Н. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение прямой задачи — Рашидова Е.В., решение обратной задачи и подготовка текста — Васильев П.В.

В работе [84] Васильеву П.В. принадлежит постановка задачи и реализация системы распределенных вычислений, Булахову А.В. — подготовка текста.

В работе [85] Соловьеву А.Н. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение обратной задачи, численные эксперименты и подготовка текста — Васильев П.В.

В работе [86] Соловьеву А.Н. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение прямой задачи — Рашидова Е.В., решение обратной задачи и подготовка текста — Васильев П.В.

В работе [87] Соловьеву А.Н. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение обратной задачи, численные эксперименты — Васильев П.В., подготовка текста — Булахов А.В.

В работе [88] Васильеву П.В. принадлежит постановка задачи и обсуждение результатов. Численные эксперименты и подготовка текста — Сеничев А.В., Ступина М.В., Головинов А.О., Христич О.С.

В работе [89] Васильеву П.В. принадлежит постановка задачи и обсуждение результатов. Численные эксперименты и подготовка текста — Сеничев А.В., Новикова А.И.

В работе [90] Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение прямой задачи — Рашидова Е.В., подготовка текста — Васильев П.В.

В работе [91] Соловьеву А.Н. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение прямой задачи — Рашидова Е.В., решение обратной задачи и подготовка текста — Васильев П.В.

В работе [92] Соловьеву А.Н. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение прямой задачи — Пешхоев И.М., Рашидова Е.В., решение обратной задачи и подготовка текста — Васильев П.В.

В работе [93] Соловьеву А.Н., Васильеву П.В. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Проектирование нейронных сетей и подготовка текста — Васильев П.В., Сеничев А.В.

В работе [94], [95], [96] Васильеву П.В. принадлежит постановка задачи и обсуждение результатов. Численные эксперименты и подготовка текста — Сеничев А.В., Новикова А.И.

В работе [97] и [98] Соболю Б.В. и Васильеву П.В. принадлежит постановка задачи и обсуждение результатов. Численные эксперименты и подготовка текста — Сеничев А.В., Новикова А.И.

В работе [99] Борисовой Е.В. и Васильеву П.В. принадлежит постановка задачи. Численные эксперименты, моделирование нейронной сети и подготовка текста — Васильеву П.В.

В работе [100], [101], Соловьеву А.Н. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение обратной задачи, численные эксперименты и подготовка текста — Васильев П.В.

В работе [102], [103], Соловьеву А.Н. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение обратной задачи, численные эксперименты и подготовка текста — Васильев П.В., ^иеп, С. Э., Л1ех1еу, А. Я.

В работе [104], [105] и [106] Соловьеву А.Н. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение прямой задачи — Рашидова Е.В., установление адекватности граничных условий, подготовка текста — Васильев П.В.

В работе [107] и [108] Васильеву П.В. принадлежит постановка задачи и реализация системы распределенных вычислений, Соловьеву А.Н. и Соболю Б.В. — обсуждение результатов, Подколзиной Л.А. — формирование наборов данных и подготовка текста.

В работе [109] Соловьеву А.Н. и Соболю Б.В. принадлежит постановка задачи и обсуждение результатов. Решение прямой задачи — Рашидова Е.В., решение обратной задачи и подготовка текста — Васильев П.В.

В работе [110], [111] Васильеву П.В. принадлежит постановка задачи и обсуждение результатов. Обработка данных, архитектура нейронных сетей и подготовка текста — Сеничев А.В.

В работе [112] и [113] Черпакову А.В., Соловьеву А.Н., Паринову И.А., Соболю Б.В. принадлежит формирование идеи исследования и постановка задачи, архитектура нейронных сетей — Васильев П.В., обсуждение результатов

— Chang Shun-Hsyung, Long, Banh Tien.

В работе [114] Васильеву П.В. принадлежит постановка задачи и обсуждение результатов. Обработка данных, архитектура нейронных сетей и подготовка текста — Сеничев А.В., Новикова А.И.

В работе [115] Соболю Б.В. принадлежит постановка задачи, Рашидовой Е.В. принадлежит решение прямой задачи, подготовка материала и текста, численные эксперименты — Васильев П.В. и Новикова А.И.

В работе [116] и Васильеву П.В. принадлежит постановка задачи и обсуждение результатов. Численные эксперименты и подготовка текста — Сеничев А.В.

В работе [117] и [118] и [119] Васильеву П.В. принадлежит постановка задачи и обсуждение результатов. Численные эксперименты и подготовка текста

— Сеничев А.В., обсуждение результатов — Джорджо И.

Публикации. Основные результаты по теме диссертации изложены в 54 печатных изданиях, 6 из которых изданы в журналах, рекомендованных ВАК Министерства науки и высшего образования РФ, 9 — в изданиях, индексируемых SCOPUS и Web of science. Зарегистрирована 1 программа для ЭВМ.

Объем и структура работы. Диссертация состоит из введения, 4 глав и заключения. Полный объём диссертации составляет 150 страниц, включая 59 рисунков и 12 таблиц.

Глава 1. Постановка прямых и обратных задач 1.1 Описание исследуемого объекта

Рассмотрим трубу, усиленную тонким внешним покрытием. Стенка трубы содержит трещиноподобный дефект, поверхность которого обозначим как S'crack. Обозначим внутреннюю поверхность трубы как Sinner, внешнюю как Souter, материал трубы обозначим индексом 1, а материал покрытия обозначим индексом 2. Интерфейсную поверхность между покрытием и трубой обозначим как Sint. На рисунке 1.1 схематично изображено поперечное сечение трубы, усиленной внешним покрытием. Стенка трубы ослаблена трещиной.

Se гас к

Рисунок 1.1 — Поперечное сечение трубы с покрытием и дефектом.

В рамках поставленной задачи, рассматриваются различные положения и типы дефектов. Ниже на рисунке 1.2 показаны фрагменты поперечного сечения трубы с различными типами дефектов. Были исследованы вертикальные дефекты, горизонтальные дефекты, дефекты между покрытием и подложкой, имитирующие расслоение, дефекты на внутренней поверхности трубы, имитирующие коррозию, дефекты под покрытием и дефекты, распространяющиеся на внутреннюю поверхность трубы.

Рисунок 1.2 — Рассматриваемые типы дефектов.

В качестве материалов покрытия рассматриваются вольфрам, молибден, хром, никель, цинк, алюминий.

Карбид вольфрама применяется для производства алмазоподобных покрытий. Эти покрытия являются чрезвычайно твердыми и долговечными и защищают от износа элементы двигателей, подвергающиеся большим нагрузкам. Снижая коэффициент трения, покрытия продлевают срок службы зубчатых колес, пресс-форм и многих других элементов конструкций. Одним из способов нанесения данного покрытия является реактивное магнетронное распыление.

Молибден довольно часто применяется в автомобильной промышленности для напыления покрытий из-за своих уникальных свойств, благодаря которым возможно образование молекулярных связей с подложкой. Что обеспечивает высокое качество адгезии и позволяет наносить данное покрытие на шлифованные и гладкие основания. Покрытие обладает высокой химической стойкостью. Молибденовые покрытия отличаются высокой твердостью, износостойкостью и стойкостью к абразивному действию и эрозии.

Хромовые покрытия применяются для защиты от коррозии деталей из стали, меди и ее сплавов, для повышения поверхностной твёрдости и износоустойчивости деталей, а также в декоративных целях. Покрытия из хрома и

его сплавов характеризуются высокой химической стойкостью, термостойкостью, склонностью к пассивированию на воздухе, устойчивостью в условиях тропического климата. В зависимости от режима электроосаждения хромовое покрытие может быть блестящим, матовым или пористым.

Никелевые покрытия применяют в различных отраслях промышленности как в качестве подслоя, так и самостоятельно для защитно-декоративных и специальных целей. Они характеризуются твёрдостью от 150 кгс/мм2, значительной коррозионной стойкостью и хорошей отражательной способностью (58—62%). Никелевые покрытия наносят на медь, железо и их сплавы, а также на титан, вольфрам и другие металлы. Покрытие наносят в основном гальванически или химически нанесения никеля толщиной от 1 мкм до 100 мкм. Покрытие подложки слоем цинка в основном используется в целях защиты от коррозии.

Оцинковка подходит для плоских или слегка изогнутых поверхностей, а также для поверхностей, не подверженных механическим нагрузкам. Большинство металлов (например, цинк, олово, алюминий) окисляются на воздухе, образуя на поверхности металла плотную защитную пленку из соединений окисленного металла. Эта пленка препятствует проникновению кислорода вглубь металла и останавливает его дальнейшее окисление. К распространенным методам нанесения покрытия относятся гальванизация, горячее цинкование и диффузионное цинкование.

Алюминиевые защитные покрытия, наносимые с помощью металлизации один из распространенных способов защиты трубопроводов благодаря обеспечиваемым алюминием коррозионной стойкости, отсутствию подпленочной коррозии. Алюминий стоек к коррозии в кислых средах, хлоридах, в присутствии сероводорода и морской воды. Алюминий в качестве покрытия может быть нанесён путём распыления, плакирования, погружения в горячий расплав.

В процессе решения обратных задач идентификации дефектов реализованы различные подходы и методы неразрушающего контроля, а также их комбинации. На рисунках ниже показаны различные положения ультразвуковых пьезопреобразователей, которые служат источниками и приёмниками ультразвуковых колебаний. На рисунке 1.3 показан случай расположения пьезосенсоров при моделировании эхо- и теневого- методов ультразвукового контроля, на рисунке 1.4 показан случай расположения пьезосенсоров при моделировании дифракционно-временного ультразвукового метода контроля.

Рисунок 1.3 — Расположение пьезопреобразователей при моделировании эхо- и теневого- методов ультразвукового контроля.

Рисунок 1.4 — Расположение пьезопреобразователей при моделировании дифракционно-временного ультразвукового метода контроля.

Список литературы диссертационного исследования кандидат наук Васильев Павел Владимирович, 2023 год

Список литературы

1. Блинов, А. В. Определение напряжённо-деформированного состояния двухслойной трубы / А. В. Блинов // Международный научно-исследовательский журнал. - 2015. - 11-3 (42). - С. 9-11.

2. Остсемин, А. А. Математическая модель напряженно-деформированного состояния цилиндрической оболочки с осевым трехмерным дефектом / А. А. Остсемин, П. Б. Уткин // Вестник Южно-Уральского государственного университета. Серия: Математическое моделирование и программирование. - 2008. - 27 (127). - С. 71-77.

3. Глушков, С. В. Сравнение результатов решения задачи механики разрушения для трубы с несквозной трещиной / С. В. Глушков, Ю. В. Скворцов, С. Н. Перов // Вестник Пермского национального исследовательского политехнического университета. Механика. - 2014. -№ 3. - С. 36-44.

4. Перов, С. Н. Коэффициенты интенсивности напряжений для труб с несквозными трещинами / С. Н. Перов, Ю. В. Скворцов, Ц. К. А // Известия Самарского научного центра Российской академии наук. - 2008. -№ 3. - С. 905-910.

5. Скворцов, Ю. В. Моделирование несквозных поверхностных трещин в тонкостенных конструкциях / Ю. В. Скворцов, С. В. Глушков // Вестник Самарского государственного аэрокосмического университета им. академика С.П. Королёва (национального исследовательского университета). -2011. - № 3/4. - С. 187-191.

6. Бочкарева, С. А. Исследование напряженно-деформированного состояния многослойных полимерных труб методом конечных элементов / С. А. Бочкарева, Ю. А. Реутов // Известия Томского политехнического университета. - 2013. - № 2. - С. 81-84.

7. Sburlati, R. Stress concentration factor due to a functionally graded ring around a hole in an isotropic plate / R. Sburlati // International Journal of Solids and Structures. - 2013. - P. 3649-3658.

8. Sburlati, R. Elasticity analysis of sandwich pipes with functionally graded interlayers / R. Sburlati, M. Kashtalyan // European Journal of Mechanics A/Solids. - 2016. - No. 59. - P. 232-241.

9. Yang, S. Analytical model of elastic fracture toughness for steel pipes with internal cracks / S. Yang, C.-Q. Li, W. Yang // Engineering Fracture Mechanics. - 2015. - No. 153. - P. 50-60.

10. El-Sayeda, M. Fracture assessment of axial crack in steel pipe under internal pressure / M. El-Sayeda, A. El Domiatya, A.-H. I. Mouradb // Procedia Engineering. - 2015. - No. 130. - P. 1273-1287.

11. A fracture mechanics assessment of surface cracks existing in protective layers of multi-layer composite pipes / P. Hutar, L. Nahlik, L. Sestakova, M. Sevcik, Z. Knesl, E. Nezbedova // Composite Structures. - 2010. - No. 92. -P. 1120-1125.

12. Zheng, X. J. Calculation of stress intensity factors for semielliptical cracks in a thick-wall cylinder / X. J. Zheng, G. Glinka, R. N. Dubey // lnr. J. Pres. Ves., Pipmg. - 1995. - No. 62. - P. 249-258.

13. Predan, J. Stress intensity factors for circumferential semi-elliptical surface cracks in a hollow cylinder subjected to pure torsion / J. Predan, V. Mocilnik, N. Gubeljak // Engineering Fracture Mechanics. - 2013. - No. 105. -P. 152-168.

14. Ватульян, А. О. Обратные задачи в механике деформируемого твёрдого тела / А. О. Ватульян. - М. : Мир, 2007. - 224 с.

15. Колтон, Р. Методы интегральных уравнений в теории рассеяния / Р. Кол-тон, Р. Кресс. - М. : Физматлит, 1987. - 312 с.

16. Лебедев, Л. П. Функциональный анализ и вычислительная математика / Л. П. Лебедев, И. И. Боровик. - М. : Мир, 2007. - 291 с.

17. Ниренберг, Л. Лекции по нелинейному функциональному анализу / Л. Ниренберг. - М. : Мир, 1977. - 232 с.

18. Алексидзе, М. А. Фундаментальные функции в приближенных решениях граничных задач / М. А. Алексидзе. - М. : Наука, 1991. - 352 с.

19. Владимиров, В. С. Обобщенные функции в математической физике / В. С. Владимиров. - М. : Наука, 1979. - 320 с.

20. Численные методы решения некорректных задач / А. И. Тихонов, A. B. Гончарский, В. В. Степанов, А. Г. Ягола. - М. : Наука, 1990. -232 с.

21. Тихонов, А. И. Уравнения математической физики / А. И. Тихонов,

C. A. A. - М. : Наука, 1990. - 736 с.

22. Треногин, В. А. Функциональный анализ / В. А. Треногин. - М. : Наука, 1980. - 495 с.

23. Федорюк, М. В. Метод перевала / М. В. Федорюк. - М. : Наука, 1977. -368 с.

24. Люстерник, Л. А. Краткий курс функционального анализа / Л. А. Лю-стерник, В. И. Соболев. - М. : Высшая школа, 1971. - 271 с.

25. Samanta, S. Application of ANN in Identifying Defects in Impacted Composite / S. Samanta, A. Mandal, J. S. Thingujam // Procedia Materials Science. - 2014. - No. 6. - P. 926-930.

26. Черпаков, А. В. Алгоритм многопараметрической идентификации дефектов стержневых конструкций / А. В. Черпаков, В. А. Акопьян, А. Н. Соловьев // Электронный журнал «Техническая акустика». -2013. - № 1.

27. Bar, H. N. Identification of failure modes in GFRP using PVDF sensors: ANN approach / H. N. Bar, M. R. Bhat, C. R. L. Murthy // Composite Structures. - 2004. - No. 65. - P. 231-237.

28. Use of an improved ANN model to predict collapse depth of thin and extremely thin layered rock strata during tunneling / D. F. Chen, X. T. Feng,

D. P. Xu, Q. Jiang, C. X. Yang, P. P. Yao // Tunnelling and Underground Space Technology. - 2016. - No. 51. - P. 372-386.

29. A new thermographic NDT for condition monitoring of electrical components using ANN with confidence level analysis / A. S. N. Huda, S. Taib, K. H. Ghaz-ali, M. S. Jadin // ISA Transactions. - 2014. - No. 53. - P. 717-724.

30. Pourtaghi, A. Wavenet ability assessment in comparison to ANN for predicting the maximum surface settlement caused by tunneling / A. Pourtaghi, M. A. Lotfollahi-Yaghin // Tunnelling and Underground Space Technology. -2012. - No. 28. - P. 257-271.

31. Rough set Based GA, ANN and C4.5 Algorithm / C. Rajeswari, B. Sathiyab-hama, S. Devendiran, K. Manivannan // Procedia Engineering. - 2014. -No. 97. - P. 1831-1841.

32. Соловьев, А. Н. Реконструкция дефектов в упругих телах сочетанием генетического алгоритма и метода конечных элементов / А. Н. Соловьев, М. Ю. Шевцов // Вестник Донского государственного технического университета. - 2016. - № 2. - С. 5-12.

33. Smid, R. Automated classification of eddy current signatures during manual inspection / R. Smid, A. Docekal, M. Kreidl // NDT and E International. -2005. - No. 6. - P. 462-470.

34. Lingvall, F. Automatic detecting and classifying defects during eddy current inspection of riveted lap-joints / F. Lingvall, T. Stepinski // NDT and E International. - 2000. - No. 1. - P. 47-55.

35. Yu, J. The inverse of material properties of functionally graded pipes using the dispersion of guided waves and an artificial neural network / J. Yu, B. Wu // NDT and E International. - 2009. - No. 5. - P. 452-458.

36. Artificial neural network for modeling the elastic modulus of electrospun polycaprolactone/gelatin scaffolds / E. Vatankhah, D. Semnani, M. P. Prab-hakaran, M. Tadayon, S. Razavi, S. Ramakrishna // Acta biomaterialia. -2014. - No. 2. - P. 709-721.

37. Fang, X. Structural damage detection using neural network with learning rate improvement / X. Fang, H. Luo, J. Tang // Elsevier Science Ltd. : Computers and Structures. - 2005. - No. 83. - P. 2151-2152.

38. Kantardzic, M. Data mining: concepts, models, methods, and algorithms / M. Kantardzic. - Chicago : Wiley-IEEE Press, 2011. - 503 p.

39. Панкевич, О. Д. Диагностика причин трещин строительных конструкций на основе мягких вычислений / О. Д. Панкевич, С. Д. Штовба, Ш. Д. П. // Автомобшьш дороги i дорожне будiвництво. - 2004. - № 69. -С. 179-184.

40. Nissen, S. Implementation of a fast artificial neural network library (FANN) / S. Nissen. - Copenhagen : Department of Computer Science University of Copenhagen, 2003. - 102 p.

41. Герасимов, В. Г. Неразрушающий контроль / В. Г. Герасимов, А. Д. Покровский, В. В. Сухоруков. - М. : Высшая школа, 1992. - 424 с.

42. Ermolov, I. Non-destructive testing. Acoustic methods of control / I. Ermolov, N. Aleshin, A. Potapov. - М. : Высшая школа, 1991. - 324 с.

43. Willcox, M. A. A Brief Description of NDT Techniques / M. A. Willcox. -Toronto : NDT Equipment Limited, 2003. - 54 с.

44. Деренский, И. Г. Применение поверхностных волн для контроля железнодорожных рельсов [Электронный ресурс] / И. Г. Деренский. - 2011. -URL: ivdon.ru/magazine/archive/n1y2011/370 (дата обр. 19.01.2015).

45. Соловьев, А. Н. Идентификация и исследование критического состояния поперечной трещины в полосе c накладкой на основе искусственных нейтронных сетей / А. Н. Соловьев, Б. В. Соболь, А. А. Краснощеков // Дефектоскопия. - 2014. - № 8. - С. 23-36.

46. Identification of Crack Like Defects in Elastic Structural Elements on the Basis of Evolution Algorithms / A. A. Krasnoshchekov, B. V. Sobol, A. N. Soloviev, A. V. Cherpakov // Russian Journal of Nondestructive Testing. - 2011. - No. 6. - P. 412-419.

47. Sikora, R. Neural network approach to crack identifi cation / R. Sikora, T. Chady // International Journal of Applied Electromagnetics and Mechanics. - 1998. - No. 9. - P. 391-398.

48. Waszczyszyn, Z. Neural networks in mechanics of structures and materials, new results and prospects of applications / Z. Waszczyszyn, L. Ziemianski // Computers and Structures. - 2001. - No. 79. - P. 2261-2276.

49. Stegemann, D. NDT for Analysis of Microstructures and Mechanical Properties of Metallic Materials / D. Stegemann, B. Raj // Encyclopedia of Materials: Science and Technology. - 2002. - P. 1-6.

50. Velocity effect analysis of dynamic magnetization in high speed magnetic flux leakage inspection / P. Wang, Y. Gao, T. G., H. Wang // NDT and E International. - 2011. - No. 44. - P. 1-7.

51. Nestleroth, B. Application of eddy currents induced by permanent magnets for pipeline inspection / B. Nestleroth, R. Davis // NDT and E International. -2007. - No. 40. - P. 77-84.

52. Soloviev, A. N. Determination of elastic and dissipative properties of materials by using a combination of finite element method and artificial neural networks of complex / A. N. Soloviev, H. Nguyen // Herald Don State Technical University. - 2014. - No. 2. - P. 84-92.

53. Soloviev, A. N. Determination of elastic and dissipative properties of material using combination of FEM and complex artificial neural networks / A. N. Soloviev, D. T. Giang, S. H. Chang // Springer Proceedings in Physics. - 2014. - No. 152. - P. 137-148.

54. Ватульян, А. О. Об одном эффективном способе построения разрывных решений / А. О. Ватульян, Б. В. Соболь // Известия РАН. МТТ. - 1995. -№ 6. - С. 62-69.

55. Александров, В. М. Контактные задачи для тел с тонкими покрытиями и прослойками / В. М. Александров, С. М. Мхитарян. - М. : Наука, 1979. -486 с.

56. Cortes, C. Limits on learning machine accuracy imposed by data quality / C. Cortes, L. D. Jackel, W. P. Chiang // Advances in Neural Information Processing Systems. - 1995. - No. 7. - P. 239-246.

57. Krose, B. An introduction to neural networks / B. Krose, P. van der Smagt. -Amsterdam : Univ. of Amsterdam, 1996. - 135 p.

58. Лорин, Г. Распределенные вычислительные системы / Г. Лорин. - M. : Радио и связь, 1984. - 296 с.

59. Gantz, J. The digital universe in 2020: Big data, bigger digital shadows, and biggest growth in the far east, in: IDC iView / J. Gantz, D. Reinsel // IDC Analyze the Future. - 2012. - P. 1-16.

60. The Hadoop distributed file system, in: Mass Storage Systems and Technologies (MSST) / K. Shvachko, H. Kuang, S. Radia, R. Chansler // IEEE. -2010. - No. 26. - P. 1-10.

61. Lakshman, P. Cassandra: a decentralized structured storage system / P. Lak-shman // ACM SIGOPS Oper. Syst. - 2010. - No. 44. - P. 35-40.

62. Thusoo, A. Hive—A warehousing solution over a Map-Reduce framework / A. Thusoo, J. Sarma, N. Jain // VLDB Endowment. - 2009. - No. 2. -P. 1626-1629.

63. Foster, I. The Anatomy of the Grid: Enabling Scalable Virtual Organizations / I. Foster, C. Kesselman, T. S. // International Journal of Supercomputer Applications and High-Performance Computing. - 2001. -No. 3. - P. 200-222.

64. Foster, I. The Grid. Blueprint for a new computing infrastructure / I. Foster, C. Kesselman. - San Francisco : Morgan Kaufman, 1999. - 677 p.

65. Таненбаум, Э. Распределенные системы: принципы и парадигмы. / Э. Та-ненбаум. - СПб. : Питер, 2003. - 877 с.

Публикации автора по теме диссертации

66. Аналитическое и конечноэлементное моделирование тонких покрытий и их влияние на концентрацию напряжений / А. Н. Соловьев, Б. В. Соболь, А. А. Краснощеков, П. В. Васильев, Е. В. Борисова // Математическое моделирование и биомеханика в современном университете: сб. тез. докл. VII Всеросс. шк.-семинара. - Ростов-на-Дону, 2012. - С. 22.

67. Краснощеков, А. А. Идентификация трещины в трубе, усиленной тонкой кольцевой накладкой, на основе аппарата искусственных нейронных сетей / А. А. Краснощеков, П. В. Васильев // Актуальные проблемы механики сплошной среды: сб. науч. тр. III междунар. конф. - Цахкадзор, 2012. - С. 307-311.

68. Васильев, П. В. Информационная система анализа структур искусственных нейронных сетей, применяемых в задаче идентификации равновесной поперечной трещины в трубе, усиленной внутренней гибкой накладкой / П. В. Васильев // Управление и информационные технологии: материалы Всеросс. науч.-техн. конф. - Пятигорск, 2014. - С. 29-31.

69. Васильев, П. В. Ультразвуковая идентификация трещины в трубе с применением искусственных нейронных сетей / П. В. Васильев // Перспектива - 2015: материалы междунар.науч. конф.студентов, аспирантов и молодых учёных. Т. 4. - Нальчик, 2015. - С. 307-312.

70. Соловьев, А. Н. Идентификация внутренних трещиноподобных дефектов методом ультразвукового контроля на основе аппарата искусственных нейронных сетей / А. Н. Соловьев, Б. В. Соболь, П. В. Васильев // Труды XI Всероссийского съезда по фундаментальным проблемам теоретической и прикладной механики. - Казань, 2015. - С. 3570-3572.

71. Соболь, Б. В. Идентификация трещины в трубе с применением аппарата искусственных нейронных сетей в сочетании с методами ультразвукового контроля / Б. В. Соболь, П. В. Васильев // Математическое моделирование и биомеханика в современном университете: тез. докл. X Всеросс. шк.-семинара. - Ростов-на-Дону, 2015. - С. 104.

72. Концентрация напряжений в вершинах радиальной трещины в стенке трубы с тонким покрытием / Б. В. Соболь, А. Н. Соловьев, Е. В. Ра-шидова, П. В. Васильев // Актуальные проблемы механики сплошной среды: сб. науч. тр. IV междунар. конф. - Цахкадзор, 2015. - С. 380-384.

73. Равновесное состояние сечения толстостенной трубы, ослабленного внутренней радиальной трещиной / Б. В. Соболь, А. Н. Соловьев, Е. В. Ра-шидова, П. В. Васильев // Теория сооружений: достижения и проблемы: сборник статей по материалам II всероссийской научно-практической конференции. - Махачкала, 2015. - С. 24-34.

74. Соловьев, А. Н. Идентификация трещин в составном цилиндре на основе сочетания МКЭ и искусственных нейронных сетей / А. Н. Соловьев, Б. В. Соболь, П. В. Васильев // Инновационные технологии в науке и образовании. - Сборник научных трудов научно-методической конференции, посвященной 85-летию ДГТУ. - Ростов-на-Дону, 2015.

75. Соболь, Б. В. Метод разрывных решений в задачах о трещинах в телах сложной структуры / Б. В. Соболь, Е. В. Рашидова, П. В. Васильев // Математическое моделирование и биомеханика в современном университете: тез. докл. XI Всеросс. шк.-семинара. - Ростов-на-Дону, 2016. - С. 119.

76. Соловьев, А. Н. Моделирование устройств и процессов неразрушающего контроля на основе магнитных измерений / А. Н. Соловьев, Б. В. Соболь, П. В. Васильев // Математическое моделирование и биомеханика в современном ун-те: тез. докл. XI Всерос. шк.-семинара. - Ростов-на-Дону, 2016. - С. 120.

77. Identification of different-shaped crack-like defects based on methods of magnetic flaw detection coupled with neural network technology / A. N. Soloviev, B. V. Sobol, P. V. Vasiliev, F.-T. Wang, S.-H. Chang // International Conference on "Physics and Mechanics of New Material and Their Application", Abstracts & Schedule. - Indonesia, Surabaya, 2016. - P. 260.

78. Soloviev, A. N. Identification of crack-like defects based on methods of magnetic inspection and neural networks technologies / A. N. Soloviev, B. V. Sobol, P. V. Vasiliev // NDT Days 2016, Institute of Mechanics. -Bulgaria, Sozopol, 2016. - С. 70-74.

79. Методы идентификации и исследования равновесных состояний тре-щиноподобных дефектов в деталях с покрытиями / Б. В. Соболь, А. Н. Соловьев, Е. В. Рашидова, П. В. Васильев // Перспективные направления развития финишных методов обработки деталей; виброволновые технологии: Сб. тр. по материалам междунар. науч. симп. технологов-машиностроителей. - Ростов-на-Дону, 2016. - С. 186-188.

80. Компьютерное моделирование мониторинга напряженного состояния с помощью измерений магнитных свойств материалов / А. Н. Соловьев, Б. В. Соболь, П. В. Васильев, Д. А. Ермаков // Математическое моделирование и биомеханика в современном университете: тез. докл. XII Всеросс. шк.-семинара. - Ростов-на-Дону, 2017. - С. 178.

81. Research of the Magnetic Characteristics of the Pipes for the Possible Defects and Pre-stressed Zones Identification / A. N. Soloviev, B. V. Sobol, P. V. Vasiliev, J.-K. Wu, W.-L. Hong, M.-Y. Yeh // International Conference on "Physics and Mechanics of New Materials and Their Applications", Abstracts & Schedule. - India, Jabalpur, 2017. - P. 251.

82. Васильев, П. Система распределенных вычислений на основе гетерогенных вычислительных ресурсов в задаче распознавания образов / П. Васильев, Л. Подкозина // Инновационные технологии в науке и образовании (ИТНО-2017) Материалы V Международной научно-практической конференции. - Ростов-на-Дону, 2017. - С. 48-52.

83. Методы неразрушающего контроля и исследования концентрации напряжений в окрестности трещины в стенке трубы с тонким покрытием /

Б. В. Соболь, А. Н. Соловьев, Е. В. Рашидова, П. В. Васильев // Перспективные направления развития отделочно-упрочняющей технологии и виброволновых технологий сборник трудов международной научно-технической конференции, посвященной 90-летию заслуженного деятеля науки и техники РФ, д.т.н., почётного профессора ДГТУ А.П. Бабичева. - Ростов-на-Дону, 2018. - С. 163-165.

84. Васильев, П. В. Применение Transfer learning и тонкой настройки глубоких сверточных нейросетей в задаче идентификации дефектов / П. В. Васильев, А. В. Булахов // Математическое моделирование и биомеханика в современном университете: тез. докл. XIII Всеросс. шк.-семинара. - Ростов-на-Дону, 2018. - С. 9.

85. Soloviev, A. N. Application of deep convolutional neural networks in the defects identification problem / A. N. Soloviev, B. V. Sobol, P. V. Vasiliev // International Conference on "Physics and Mechanics of New Materials and Their Applications", Abstracts & Schedule. - Reublic of Korea, Busan, 2018. - P. 47-48.

86. Равновесное состояние внутренней трещины в сечении полого цилиндра, подкрепленного тонким покрытием / Б. В. Соболь, А. Н. Соловьев, Е. В. Рашидова, П. В. Васильев // Проблемы механики и управления: материалы. межд. конф. - Махачкала, 2018. - С. 452.

87. Применение глубоких сверточных нейронных сетей в задаче идентификации дефектов / А. Н. Соловьев, Б. В. Соболь, П. В. Васильев, А. В. Булахов // Интеллектуальные технологии и проблемы математического моделирования: материалы Всерос. науч. конф. - Ростов-на-Дону, 2018. - С. 99.

88. Модель технического зрения для идентификации дефектов на изображениях асфальта / П. В. Васильев, А. В. Сеничев, М. В. Ступина, А. О. Головинов, О. С. Христич // Физико-математическое моделирование систем: материалы XX Международного семинара. - Воронеж, 2019. -С. 29-34.

89. Васильев, П. В. Применение генеративной глубокой искусственной нейронной сети в задачах идентификации дефектов / П. В. Васильев, А. И. Новикова, А. В. Сеничев // Математическое моделирование

и биомеханика в современном университете: тез. докл. XIV Всеросс. шк.-семинара. - Ростов-на-Дону, 2019. - С. 22.

90. Соболь, Б. В. Математическая модель тонкого покрытия в задачах о концентрации напряжений в окрестности вершины упругого клина / Б. В. Соболь, Е. В. Рашидова, П. В. Васильев // Математическое моделирование и биомеханика в современном университете: тез. докл. XIV Всеросс. шк.-семинара. - Ростов-на-Дону, 2019. - С. 125.

91. Идентификация трещиноподобных дефектов в телах с покрытиями и оценка их несущей способности / А. Н. Соловьев, Б. В. Соболь, П. В. Васильев, Е. В. Рашидова // XII Всероссийский съезд по фундаментальным проблемам теоретической и прикладной механики: сборник трудов в 4 томах. Т. 3: Механика деформируемого твердого тела. - Уфа, 2019. -С. 1362-1364.

92. Комплексный подход к решению проблемы прочности и надежности деталей машин и элементов конструкций сложной структуры / Б. Соболь, А. Соловьев, И. Пешхоев, Е. Рашидова, П. Васильев // Фундаментальные основы физики, химии и динамики наукоемких технологических систем формообразования и сборки изделий: сб. тр. науч. симпозиума технологов-машиностроителей. - Ростов-на-Дону, 2019. - С. 445-455.

93. Visualization of Internal Defects of Structural Elements on the Base of Deep Generative Artificial Neural Network / A. N. Soloviev, B. V. Sobol, P. V. Vasiliev, A. V. Senichev // International Conference on "Physics and Mechanics of New Materials and Their Applications" (PHENMA 2019), Abstracts & Schedule. - Vietnam, Hanoi, 2019. - P. 296-298.

94. Васильев, П. В. Обзор исследований, посвящённых использованию нейро-сетевых технологий в задачах идентификации дефектов / П. В. Васильев, А. В. Сеничев, А. И. Новикова // Интеллектуальные технологии и проблемы математического моделирования: материалы II Всерос. науч. конф. -Ростов-на-Дону, 2019. - С. 31.

95. Васильев, П. В. Нейросетевые технологии в идентификации дефектов / П. В. Васильев, А. В. Сеничев, А. И. Новикова // Высокие технологии и инновации в науке: сборник избранных статей Междунар. науч. конф. -Санкт-Петербург, 2020. - С. 88-99.

96. Vasiliev, P. V. Development and Application of a Convolutional Neural Network Based on the Generated Data Set in Identification Problems / P. V. Vasiliev, A. V. Senichev, A. I. Novikova // International Conference on "Physics and Mechanics of New Materials and Their Applications" (PHENMA 2020), Abstracts & Schedule. - Rostov-on-Don, 2020. - P. 356.

97. Применение сверточных нейронных сетей в задачах идентификации дефектов / Б. Соболь, П. В. Васильев, А. В. Сеничев, А. И. Новикова // Состояние и перспективы развития агропромышленного комплекса: сб. труд. XIII Международной научно-практической конференции. - Ростов-на-Дону, 2020.

98. Методы неразрушающего контроля и исследования напряженно-деформированного состояния деталей машин и элементов конструкций сложной геометрии и неоднородной структуры с учетом дефектов / Б. Соболь, А. Соловьев, П. В. Васильев, А. И. Новикова // Фундаментальные основы физики, химии и механики наукоёмких технологических систем формообразования и сборки изделий; сборник трудов научного симпозиума технологов-машиностроителей. - Ростов-на-Дону, 2020.

99. Борисова, Е. В. Идентификация трещиноподобных дефектов в составных упругих телах сложной геометрии / Е. В. Борисова, П. В. Васильев // Инженерный вестник Дона. - 2014. - № 5. - URL: http://www.ivdon.ru/ ru/magazine/archive/N4y2014/2671.

100. Soloviev, A. N. Ultrasonic Location of Inner Crack Defects in a Compound Elastic Cylinder Using an Artificial Neural-Network Apparatus / A. N. Soloviev, B. V. Sobol, P. V. Vasiliev // Russian Journal of Nondestructive Testing. - 2016. - Vol. 52, no. 3. - P. 119-124.

101. Soloviev, A. N. Identification of Defects in Pavement Images Using Deep Con-volutional Neural Networks / A. N. Soloviev, B. V. Sobol, P. V. Vasiliev // Parinov I., Chang SH., Kim YH. (eds) Advanced Materials. Springer Proceedings in Physics, Springer, Cham. - 2019. - P. 615-626.

102. Soloviev, A. N. Ultrasonic and Magnetic Flow Inspection Methods of Identification of Cracks in the Pipe Coupled with Artificial Neural Networks / A. N. Soloviev, B. V. Sobol, P. V. Vasiliev // Parinov I., Chang SH., Jani

M. (eds) Advanced Materials. Springer Proceedings in Physics. Springer, Cham. - 2017. - Vol. 193. - P. 381-395.

103. Identification of Defects in Pipelines Through a Combination of FEM and ANN / A. N. Soloviev, G. D. T. Nguen, P. V. Vasiliev, A. R. Alexiev // Barkanov E., Dumitrescu A., Parinov I. (eds) Non-destructive Testing and Repair of Pipelines. Engineering Materials. Springer, Cham. - 2018. -P. 91-106.

104. Equilibrium inner radial crack in a pipe section with an external protective coating / A. N. Soloviev, B. V. Sobol, E. V. Rashidova, P. V. Vasiliev // ZAMM - Journal of Applied Mathematics and Mechanics / Zeitschrift für Angewandte Mathematik und Mechanik. - 2017. - Vol. 96, no. 1. - P. 1-12.

105. Equilibrium state of the internal crack in the infinite elastic wedge with thin coating / B. V. Sobol, A. N. Soloviev, E. V. Rashidova, P. V. Vasiliev // ZAMM - Journal of Applied Mathematics and Mechanics / Zeitschrift für Angewandte Mathematik und Mechanik. - 2017. - Vol. 98. - P. 659-674.

106. Singularity of stresses at the top of an elastic wedge supported by a thin flexible coating on its sides / A. N. Soloviev, B. V. Sobol, P. V. Vasiliev, E. V. Rashidova // AIP Conference Proceedings 2188. - 2019.

107. Соловьев, А. Н. Разработка и применение системы распределенных вычислений в решении обратных задач механики разрушений / А. Н. Соловьев, П. В. Васильев, Л. А. Подколзина // Вестник Донского государственного технического университета. - 2017. - № 4. - С. 89-96.

108. Модель глубокой сверточной нейронной сети в задаче сегментации трещин на изображениях асфальта / Б. В. Соболь, А. Н. Соловьев, П. В. Васильев, Л. А. Подколзина // Вестник Донского государственного технического университета. - 2019. - № 1. - С. 63-73.

109. Идентификация трещиноподобного дефекта и исследование концентрации напряжений в полосе с покрытием / Б. В. Соболь, А. Н. Соловьев, Е. В. Рашидова, П. В. Васильев // Вестник Пермского национального исследовательского политехнического университета. Механика. - 2019. -№ 5. - С. 165-174.

110. Васильев, П. В. Сегментация дефектов на дорожном покрытии на основе нейросетевых технологий / П. В. Васильев, А. В. Сеничев // Молодой исследователь Дона. - 2019. - № 3. - С. 10-14.

111. Васильев, П. В. Применение нейросетевых технологий в задаче контроля поверхностных дефектов / П. В. Васильев, А. В. Сеничев // Известия высших учебных заведений. Северо-кавказский регион. Технические науки. - 2020. - № 1. - С. 33-40.

112. The Study of Stratification of Multilayer Structures Based on Finite Element Modeling and Neural Network Technologies / A. V. Cherpakov, P. V. Vasiliev, A. N. Soloviev, I. A. Parinov, B. V. Sobol // Advanced Materials / ed. by I. A. Parinov, S.-H. Chang, B. T. Long. - Cham : Springer International Publishing, 2020. - P. 439-447.

113. Generative Artificial Neural Network Model for Visualization of Internal Defects of Structural Elements / A. Soloviev, B. Sobol, P. Vasiliev,

A. Senichev // Advanced Materials / ed. by I. Parinov, S.-H. Chang,

B. T. Long. - Cham : Springer International Publishing, 2020. - P. 587-595.

114. Сеничев, А. В. Сравнение глубокого обучения с традиционными методами компьютерного зрения в задачах идентификации дефектов / А. В. Сеничев, А. И. Новикова, П. В. Васильев // Молодой исследователь Дона. - 2020. - № 4. - С. 64-67.

115. Равновесные внутренние трещины в упругих телах, подкреплённых тонкими гибкими покрытиями / Б. В. Соболь, Е. В. Рашидова, П. В. Васильев, А. И. Новикова // Вестник Дагестанского государственного технического университета. Технические науки. - 2020. - С. 111-121.

116. Vasiliev, P. Application of generative neural networks and nondestructive testing in defect detection problem / P. Vasiliev, A. Senichev // Springer Nature / ed. by I. Parinov, S.-H. Chang, Y.-H. Kim, N.-A. Noda. - Cham : Springer International Publishing, 2021.

117. Васильев, П. В. Моделирование распространения акустической ультразвуковой волны на основе метода FDTD в задаче неразрушающего контроля / П. В. Васильев, А. В. Сеничев // Актуальные проблемы науки и техники. - Ростов-на-Дону, 2021.

118. Соболь, Б. Идентификация внутренних дефектов на основе модели нераз-рушающего контроля / Б. Соболь, П. В. Васильев, А. В. Сеничев // Фундаментальные основы физики, химии и механики наукоемких технологических систем формообразования и сборки изделий: сборник трудов научного симпозиума технологов-машиностроителей. - Ростов-на-Дону, 2022.

119. Васильев, П. В. Визуализация внутренних дефектов с применением глубокой генеративной нейросетевой модели и ультразвукового неразру-шающего контроля / П. В. Васильев, А. В. Сеничев, И. Джорджо // Advanced Engineering Research. - 2021. - № 22. - С. 143-153.

Список рисунков

1.1 Поперечное сечение трубы с покрытием и дефектом....................14

1.2 Рассматриваемые типы дефектов..........................................15

1.3 Расположение пьезопреобразователей при моделировании эхо- и теневого- методов ультразвукового контроля..............................17

1.4 Расположение пьезопреобразователей при моделировании дифракционно-временного ультразвукового метода контроля..........17

2.1 Модель функционирования объектов системы............................29

2.2 Структура ИНС (слева), схема функционирования нейрона (справа). 44

2.3 Схематичное изображение исследуемого объекта........................46

2.4 Фрагмент стенки трубы с дефектом........................................48

2.5 Фрагмент стенки трубы с дефектом........................................48

2.6 Колебания, полученные в одной из 40 точек на поверхности трубы. . 49

2.7 Амплитудно-частотная характеристика сигнала, полученного на внешней поверхности объекта контроля..................................50

2.8 Результаты работы нейронной сети, точность определения размера трещины (слева), точность определения положения трещины (справа). 51

2.9 Форма входного сигнала частотой 10 МГц..............................54

2.10 Форма входного сигнала частотой 10 МГц..............................54

2.11 Распространение и отражение ультразвуковой волны в области дефекта........................................................................55

2.12 Характеристика ультразвуковой волны на внешней поверхности трубы, полученной при анализе теневым-методом........................56

2.13 АЧХ ультразвуковой волны на внешней поверхности трубы, полученной при анализе теневым-методом................................57

2.14 Ошибка работы ИНС при идентификации трещиноподобного дефекта в трубе с использованием комбинации эхо- и теневого методов........................................................................58

2.15 Форма входного сигнала частотой 10 МГц................................60

2.16 АЧХ принятого сигнала для различных методов ультразвукового контроля......................................................................60

2.17 Распространение и отражение ультразвуковой волны в области дефекта (трещина в вертикальном положении)............. 61

2.18 Распространение и отражение ультразвуковой волны в области дефекта (трещина в горизонтальном положении)............ 62

2.19 АВХ ультразвуковой волны на внутренней поверхности трубы, полученной при анализе теневым-методом................ 62

2.20 Распространение и отражение ультразвуковой волны при

различных положениях источника сигнала................ 64

2.21 Амплитудно-частотная характеристика ультразвуковой волны в полосе, трещина расположена горизонтально, толщина трещины

Н = 0,5, глубина залегания у0 = 1, длина трещины I = 1........ 65

2.22 Спектрограммы сигнала принятого в 5 различных точках на поверхности клина............................. 66

2.23 Модель сверточной НС, применяемой для идентификации дефекта внутри клина................................ 66

2.24 Виды дефектов, рассматриваемые в рамках задачи........... 69

2.25 Распределение плотности магнитного потока на фрагменте трубы. . 71

2.26 Зависимость величины плотности магнитного потока от размеров среды..................................... 72

2.27 Поперечное сечение трубы в области дефекта.............. 73

2.28 Влияние высоты дефекта относительно толщины стенки трубы на величину плотности магнитного потока. Изменения высоты

дефекта 1-15% (слева) и 10-90% (справа)................. 73

2.29 Влияние ширины дефекта относительно толщины стенки трубы на величину плотности магнитного потока. Изменения ширины

дефекта 1-15% (слева) и 10-90% (справа)................. 74

2.30 Характеристика внутреннего дефекта, расположенного равноудаленно от внешней и внутренней поверхностей трубы..... 74

2.31 Характеристика внутреннего дефекта, расположенного вблизи внешней поверхности трубы........................ 75

2.32 Характеристика дефекта, выходящего на внешнюю поверхность

трубы..................................... 75

2.33 Характеристика дефекта, расположенного между трубой и покрытием.................................. 76

2.34 Характеристика внутреннего дефекта, представляющего нулевую адгезию между стенкой трубы и покрытием............... 76

2.35 Характеристика продольно-расположенного дефекта.......... 77

2.36 Характеристика поперечно-расположенного дефекта......... 77

2.37 Информация, на основе которой строится обучающий вектор ИНС. . 77

2.38 Ошибка работы искусственной нейронной сети в процессе восстановления I - высоты дефекта.................... 79

2.39 Ошибка работы искусственной нейронной сети в процессе восстановления h - ширины дефекта................... 79

2.40 Ошибка работы искусственной нейронной сети в процессе восстановления у0 - глубины залегания дефекта............. 79

2.41 Модель Fully Convolutional сети вида кодировщик-декодировщик. . . 81

2.42 Результаты работы обученной НС. Слева-направо: реальное изображение дорожного покрытия, изображение разметки дефектов, созданное человеком, и сегментированное изображение, построенное НС............................... 82

3.1 Схематичное изображение поставленной задачи............. 83

3.2 Значения исследуемого параметра в зависимости от Л и q = . . . . 111

3.3 Влияние различных материалов накладки на концентрацию напряжений в вершине трещины.....................112

3.4 Кривые изменения фактора влияния в вершине трещины в зависимости от относительной толщины покрытия ц, при различных значениях параметра Л....................112

4.1 Зависимость ошибок обучения и обобщения от объема обучающей выборки...................................114

4.2 Зависимость ошибок обучения и обобщения от размера нейронной

сети при фиксированном размере выборки................114

4.3 Диаграмма зависимостей приложения Confann.............116

4.4 Диаграмма зависимостей Managers....................116

4.5 Главное окно программы (Установка параметров искусственной нейронной сети)...............................118

4.6 Главное окно программы (Управление потоками приложения).....119

4.7 Процесс обучения искусственных нейронных сетей...........120

4.8 Главное окно программы (Наблюдение за результатами работы процесса анализа структуры искусственной нейронной сети)......121

4.9 Взаимодействие пользователя и модулей разработанной системы распределенных вычислений........................ 126

Список таблиц

1 Параметры модели трубы..................................................47

2 Параметры модели трубы..................................................52

3 Параметры, задаваемые при моделировании распространения ультразвуковой волны в акустической среде..............................53

4 Параметры, задаваемые при моделировании распространения ультразвуковой волны в упругой среде....................................59

5 Результат работы нейронной сети ........................................63

6 Результат работы нейронной сети ........................................63

7 Результат работы нейронной сети ........................................64

8 Параметры, задаваемые при моделировании распространения ультразвуковой волны в упругой среде....................................70

9 Ошибка определения высоты дефекта....................................80

10 Ошибка определения ширины дефекта....................................80

11 Ошибка определения ширины дефекта....................................80

12 Детализация производительности системы................127